基于Adaboost算法的驾驶员疲劳监测系统
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 驾驶员疲劳监测系统综述 | 第8-16页 |
| ·研究背景 | 第8-9页 |
| ·驾驶员疲劳监测系统研究内容 | 第9-10页 |
| ·驾驶员疲劳监测系统的研究现状 | 第10-14页 |
| ·国外研究现状 | 第10-13页 |
| ·国内研究状况 | 第13-14页 |
| ·驾驶员疲劳监测系统的研究目的及意义 | 第14页 |
| ·本文主要内容安排 | 第14-16页 |
| 第2章 图像预处理及驾驶员疲劳研究 | 第16-24页 |
| ·图像预处理 | 第16-20页 |
| ·彩色图像转变成灰度图像 | 第16-17页 |
| ·图像校正方法 | 第17-18页 |
| ·去噪声 | 第18-20页 |
| ·疲劳与驾驶员疲劳分析 | 第20-22页 |
| ·疲劳的研究 | 第20-21页 |
| ·驾驶员疲劳研究 | 第21-22页 |
| ·驾驶员疲劳评测方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 计算机视觉与 Adaboost算法 | 第24-41页 |
| ·计算机视觉介绍 | 第24-27页 |
| ·计算机视觉的定义及研究内容 | 第24-25页 |
| ·计算机视觉系统的分类和构成 | 第25-26页 |
| ·计算机视觉的发展历史 | 第26-27页 |
| ·Adaboost算法介绍 | 第27-39页 |
| ·类haar特征及其快速计算 | 第27-30页 |
| ·弱分类器 | 第30-32页 |
| ·Adaboost算法介绍 | 第32-34页 |
| ·Adaboost算法的收敛性能分析 | 第34-36页 |
| ·Adaboost算法的泛化能力分析 | 第36-38页 |
| ·Adaboost算法的分层判定树 | 第38-39页 |
| ·系统框架提出 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 系统构成 | 第41-53页 |
| ·引言 | 第41页 |
| ·软、硬件平台 | 第41-51页 |
| ·软件平台 | 第41-46页 |
| ·硬件平台 | 第46-51页 |
| ·本章小结 | 第51-53页 |
| 第5章 实验结果及分析 | 第53-57页 |
| 第6章 总结与展望 | 第57-59页 |
| ·本文的工作 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位论文期间的研究成果 | 第63页 |
